知识卡片
稀疏先验约束图像复原目标
从模糊图像反推清晰图像时,与模糊图像相符的候选往往不止一个,需要额外的“先验”来挑选。这个退火复原方案用的先验是自然图像的稀疏性:在合适的表示方式下,自然图像只需少数显著分量就能描述,其余分量接近零。
做法分三部分:
- 在代价函数(原文称“价格函数”)的约束项中加入稀疏性,使不够稀疏的候选代价更高。
- 借助图像模糊因子确定相关参数。
- 设计新的扰动方式产生候选,按代价函数的变化决定是否接受扰动解。
先验约束能缩小搜索范围,但有效的前提是图像确有相应的稀疏结构。本节没有给出完整目标函数和稀疏表示方式,不能补造公式。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 1 1 . 4 基 于 模 拟 退 火 算 法 的 图 像 处 理 · 查看原书依据
针对现有的图像复原方法的不确定性,提出了一种基于图像稀疏表达的模拟退火的图像复原方法来恢复模糊图像[32],该算法以SAA为基础,建立新的价格函数,同时,借助图像模糊因子确定相关参数。针对自然图像具有稀疏性的特性,在价格函数的约束项中引入图像的稀疏性,并设计了一种新的扰动方式,根据价格函数的变化判断是否接受扰动解。实验证明,该算法能够有效提高复原图像的质量。
参考来源
- 位置:《智能算法导论》第11章《1 1 . 4 基 于 模 拟 退 火 算 法 的 图 像 处 理》(源文件:`_epub-src/EPUB/xhtml/chapter11_0009.xhtml`)
- 结论依据:研究摘要说明稀疏性进入代价函数约束,模糊因子参与参数确定,并根据代价函数变化判断是否接受扰动解。
- 原始内容:该算法以SAA为基础,建立新的价格函数,同时,借助图像模糊因子确定相关参数。针对自然图像具有稀疏性的特性,在价格函数的约束项中引入图像的稀疏性,并设计了一种新的扰动方式,根据价格函数的变化判断是否接受扰动解。